种一棵树，最好的结果是十年前，其次是现在！

本文介绍了LangChain框架中Prompts和Agents的核心功能与应用。

LangChain框架 Loader 、Vectorstores、Chain 应用

LLM 根据上下文的 结构数据和可选的解决方案智能选择最优解，返回方案ID来从数据查询出可行性方案。当前无可用方案时LLM 无法回答时根据上下文智能检索返回给用户来参考。LangGraph、LangChain、Django、向量数据库、Ollama、Mysql数据库。pattern(正则数据信息)、component(组件如CPU、内存)、source。根据索引ID 查询出所有的解决方案solutions和步骤steps及 id。根据component 和日志信息过滤出相似的多个 id（索引ID） 和。

Vue 3 + TypeScript + Element Plus

MLflow 是一个开源的机器学习生命周期管理平台，由 Databricks 创建并维护。

功能核心方法/类典型应用场景线性流程简单顺序任务条件分支动态路由决策循环控制条件边 + 状态判断迭代处理并行执行多入口边独立任务并行工具调用ToolNode集成外部工具（搜索/API）消息传递多轮对话系统错误处理try-catch + 条件边容错工作流。

langchain + Embeddings + Chroma + Prompt + LLM

langchan 框架代码示例

主要基于 bge-base-zh-v1.5z嵌入模块 + Chroma向量库 + Ollama本地模型实现

(temperature和top_p二者关系： 先从 temperature 调整所有词的概率分布，再通过top_p中截取最有可能的候选词集合)eg: {"role": "system", "content": "你是一位严谨的数学老师，用简洁的语言回答问题"}role 角色， system,user, assistant， 默认 assistant。temperature (0-2) 值越高越有创意，值越低越保守。top_p (0,1) 采样参数, 值越大越有创意，值越小越保守。

Chroma (本地模式)索引构建（100页PDF）

以下是一个完整的基于 Ollama 本地模型的医疗问答系统实现，适配 10GB内存 + 5GB显存 环境，整合了 Qwen-4B、BGE-M3-small、ChromaDB 和 Redis 缓存系统。

AI 环境搭建

请根据已编辑的文章内容，生成文章摘要服务器繁忙，请稍后再试

Ollama 是一个开源工具，专门用于在本地计算机上运行和操作大型语言模型（LLM）官方下载网站（https://ollama.ai/）

大模型学习环境部署